Modelos de predicción del valor nutricional de henos de hierba

• Sonia Pereira-Crespo ; Adrián Botana ; Marcos Veiga ; Laura González ^[1] ; César Resch ; Valentín García-Souto ^[1] ; Roberto Lorenzana ; María del Pilar Martínez-Diz ; Gonzalo Flores-Calvete
  1. [1] Centro de Investigacions Agrarias de Mabegondo(CIAM) A Coruña
• Localización: ITEA, información técnica económica agraria: revista de la Asociación Interprofesional para el Desarrollo Agrario ( AIDA ), ISSN 1699-6887, Vol. 118, Nº. 3, 2022, págs. 377-395
• Idioma: español
• Títulos paralelos:
  • Models for prediction of nutritive value of grass hay
• Enlaces
  • Texto completo
• Resumen
  • español

    En este trabajo se evalúa la capacidad de la tecnología NIRS para estimar la composición química (n = 81) y la digestibilidad de la materia orgánica (n = 52) de henos de hierba procedentes de explotaciones gallegas y se desarrollan ecuaciones empíricas basadas en parámetros químicos para la estimación de la digestibilidad de la materia orgánica (DMO), comparando su capacidad predictiva con la obtenida mediante NIRS. Los valores de DMO se correspondían con determinaciones de DMO in vivo (n = 14) o in vitro con líquido ruminal (n = 38) corregidos con estándares de DMO in vivo. La capacidad predictiva de las ecuaciones NIRS obtenidas para estimar la composición química y DMO osciló entre excelente y buena, mostrando coeficientes de determinación en el proceso de validación cruzada (1−VR) superiores a 0,90 para todos los parámetros, excepto para el contenido en materia orgánica (1−VR = 0,87) y valores de la relación entre la desviación estándar y el error de predición en validación cruzada (RPD) superiores a 3,0 para todos los parámetros estudiados. Las ecuaciones empíricas basadas en parámetros químicos mostraron una menor aptitud predictiva de la DMO (1−VR entre 0,70 y 0,53), mostrando la superioridad de la tecnología NIRS para predecir la DMO de henos de hierba, evidenciada al considerar que la ecuación NIRS seleccionada, comparada con la mejor ecuación química permitió reducir el error de predicción a la mitad, desde ±3,9 % a ±1,9 %. Se concluye que las calibraciones NIRS desarrolladas son una herramienta útil para la evaluación nutricional rápida y precisa de henos de pradera en análisis de rutina

  • English

    In the present work it is studied the predictive ability of NIRS for the estimation of chemical composition (n = 81) and organic matter digestibility (n = 52) of permanent and temporary pasture hays, being developed empirical equations based on chemical parameters to estimate the organic matter digestibility (OMD) values and compared the predictive ability of empirical models vs. NIRS equations. The collections of samples came from Galician dairy farms. The reference values of OMD corresponded to OMD in vivo determinations (n = 14 samples) or in vitro results from laboratory incubation tests using rumen fluid, which were corrected with standards of known in vivo digestibility (n = 38 samples). The predictive ability of the NIRS models for estimating the OMD and chemical composition ranged from excellent to good, according with the observed coefficient of determination in cross-validation (1 – VR), higher than 0.90, except for the organic matter content (1 – VR = 0.87), whilst the ratio of the standard deviation of the original data to standard error of cross-validation (RPD) values were higher than 3.0 for all the parameters studied. Applying NIRS models to the prediction of OMD of hay led to the reduction by half of the standard error of cross-validation (SECV) of the best empirical models, from ± 3.9 % to ± 1.9 %. It is concluded that the NIRS models developed in the present work as a tool for the rapid and precise nutritional evaluation of hay used in Galician dairy farms and can be satisfactorily used in routine analysis